Verifikasi Wajah Menggunakan Deep Metric Learning pada Data Wajah dengan Disparitas Umur yang Besar

Abstract

Penuaan wajah merupakan proses biologi yang kompleks yang ditandai dengan adanya perubahan fisik yang terjadi pada wajah, seperti perubahan warna kulit, adanya bercak hitam, timbulnya kerutan dan sebagainya seiring bertambahnya usia. Penuaan wajah menjadi salah satu faktor penting dalam proses pengenalan wajah atau biasa disebut dengan istilah face recognition. Untuk mengatasi hal ini, dibutuhkan suatu metode pengenalan atau verifikasi wajah yang dapat mengenali individu yang sama dengan perbedaan usia. Di tugas akhir ini digunakan sebuah metode bernama Deep Metric Learning yang menggabungkan Deep Learning dan Metric Learning. Sistem dibangun dengan menggunakan arsitektur Siamese Neural Network yang mengandung dua masukkan citra. Kedua citra ini terdiri dari foto wajah seseorang ketika masih muda (kanak-aknak atau remaja) dan dewasa. Sistem akan melakukan serangkaian proses verifikasi. Pada bagian akhir, kedua citra diprediksi apakah berasal dari individu yang sama atau tidak. Luaran dari sistem ini adalah skor kemiripan (similarity score) yang nantinya ditentukan batasan (threshold) terlebih dahulu agar bisa mendapatkan hasil akhir sebenarnya. Hasil prediksi direpresentasikan sebagai nilai biner, yaitu 0 bernilai salah dan 1 bernilai benar.

CC Licencing

Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).